[發明專利]一種釣魚鏈接檢測方法及系統

在審

• 申請號: 201911243734.1
• 申請日: 2019-12-06
• 公開（公告）號: CN111181922A
• 公開（公告）日: 2020-05-19
• 發明（設計）人: 魏海宇;王炳來;劉慶林;何濟中
• 申請（專利權）人: 北京中睿天下信息技術有限公司
• 主分類號: H04L29/06
• 分類號: H04L29/06;H04L12/24;G06K9/62;G06N3/08
• 代理公司: 北京知呱呱知識產權代理有限公司 11577
• 代理人: 盛明星

1.一種釣魚鏈接檢測方法，其特征在于，所述方法包括：

將待檢測的統一資源定位符URL輸入至釣魚鏈接檢測模型，根據所述釣魚鏈接檢測模型結果判斷所述待檢測的URL是否是釣魚鏈接；其中，所述釣魚鏈接檢測模型是基于線性混合特征模型分類器對網頁文本標簽和網頁提取特征進行訓練生成，所述網頁文本標簽是所述網頁提取特征基于極限學習機分類器生成，所述網頁提取特征包括網頁內容特征、URL基礎特征和網頁鏈接特征；

若結果為是，則判定所述待檢測URL為釣魚鏈接；若結果為非，則判定所述待檢測URL為非釣魚鏈接。

2.如權利要求1所述的方法，其特征在于，所述網頁內容特征是基于訓練數據集中的待檢測網頁提取的，具體提取步驟如下：

提取出待檢測網頁HTML源碼中的Title標簽或者Head標簽或者Body標簽；

去除網頁HTML文本中的停用詞；

使用詞頻-逆文檔頻率法TF-IDF計算網頁HTML文本中的每個詞的分數和分類數據矩陣。

3.如權利要求1所述的方法，其特征在于，所述URL基礎特征是基于所述訓練數據集中的URL地址或者HTML網頁內容分析出的；

所述網頁鏈接特征是基于所述訓練數據集中的網頁頁面中的內部鏈接數量和外部鏈接數量判斷的。

4.如權利要求1所述的方法，其特征在于，所述釣魚鏈接檢測模型是基于所述線性混合特征模型分類器對N個基礎分類進行訓練生成的，所述N個基礎分類是根據所述網頁文本標簽和所述網頁提取特征確定的，N為大于1的整數。

5.如權利要求1所述的方法，其特征在于，還包括：所述釣魚鏈接檢測模型使用如下公式進行檢測：

其中，f_j(x_i)為第i個網頁提取特征基于第j個極限學習機分類器生成的網頁文本標簽，v_j為第j個極限學習機分類器的權重，i＝0,1,2,…，N。

6.一種釣魚鏈接檢測系統，其特征在于，所述系統包括：

釣魚鏈接檢測模塊，用于將待檢測的URL輸入至釣魚鏈接檢測模型，根據所述釣魚鏈接檢測模型結果判斷所述待檢測的URL是否是釣魚鏈接；

釣魚鏈接檢測模型生成模塊，用于基于線性混合特征模型分類器對網頁文本標簽和網頁提取特征進行訓練；

網頁文本標簽分類模塊，用于基于極限學習機分類器對所述網頁提取特征進行分類，所述網頁提取特征包括網頁內容特征、URL基礎特征和網頁鏈接特征；

釣魚鏈接檢測結果輸出模塊，用于將所述釣魚鏈接檢測模塊結果為是時，將所述待檢測URL為釣魚鏈接的結果輸出；將所述釣魚鏈接檢測模塊結果為非時，將所述待檢測URL為非釣魚鏈接的結果輸出。

7.如權利要求6所述的系統，其特征在于，所述網頁內容特征是基于訓練數據集中的待檢測網頁提取的，具體提取步驟如下：

提取出待檢測網頁HTML源碼中的Title標簽或者Head標簽或者Body標簽；

去除網頁HTML文本中的停用詞；

使用TF-IDF計算網頁HTML文本中的每個詞的分數和分類數據矩陣。

8.如權利要求6所述的系統，其特征在于，所述URL基礎特征是基于所述訓練數據集中的URL地址或者HTML網頁內容分析出的；

所述網頁鏈接特征是基于所述訓練數據集中的網頁頁面中的內部鏈接數量和外部鏈接數量判斷的。

9.如權利要求6所述的系統，其特征在于，所述釣魚鏈接檢測模型生成模塊具體用于：

基于所述線性混合特征模型分類器對N個基礎分類進行訓練生成的，所述N個基礎分類是根據所述網頁文本標簽和所述網頁提取特征確定的，N為大于1的整數。

10.如權利要求6所述的系統，其特征在于，所述釣魚鏈接檢測模塊具體用于：

所述釣魚鏈接檢測模型使用如下公式進行檢測：

其中，f_j(x_i)為第i個網頁提取特征基于第j個極限學習機分類器生成的網頁文本標簽，v_j為第j個極限學習機分類器的權重，i＝0,1,2,…，N。